模糊决策是决策的一个重要组成部分,随着社会发展以及信息多元化,数据模糊不确定化,使得模糊决策已成为研究的主流。在医疗诊断、人工智能、信息处理等领域中得到广泛的应用。本文研究的是基于直觉模糊粗糙集模型的多属性决策,提出了两种直觉模糊粗糙集模型下的多属性决策方法。一是在原有基于相似度的直觉模糊粗糙集的多属性决策方法上进行改进,把原有基于相似关系下的直觉模糊粗糙集定义中的犹豫度细化,提出了与上近似隶属度、上近似非隶属度对应的上近似犹豫度;以及与下近似隶属度、下近似非隶属度对应的下近似犹豫度,把考虑范围扩大。在计算此关系下的两直觉模糊粗糙集的相似度就更加准确有效;二是基于等价关系下的直觉模糊粗糙集模型的多属性决策,在等价关系下,此模型具有一个性质:此关系下的直觉模糊粗糙集与直觉模糊集等价。因而,此关系下的直觉模糊粗糙集多属性决策就转化成直觉模糊集多属性决策,即用直觉模糊集多属性决策方法来解决此关系下的直觉模糊粗糙集多属性决策问题。本文基于提出的决策方法,分别给出两个实例来验证。在第一个实例中,分别用原有的方法和改进后的方法进行解答,都得出了最优方案,对决策过程进行了对比总结,得出改进后的方法的优点。在第二个实例中,用基于等价关系下的直觉模糊粗糙集模型的多属性决策方法来解决此问题,通过计算得出了最佳方案,验证了此方法的可行性。